AI 领域的研究领域定位
通过科学映射方法的文献计量研究,本研究确定和评估了 2015-2020 年间人工智能研究的参考文献趋势。使用 Scopus 数据库收集了所需的数据,并进行数据转换和映射技术分析,结果显示神经网络和深度学习是顶尖人工智能研究论文的主题之一。
Jul, 2023
通过使用 SemanticScholar API 和手动整理方法,本文收集了 5199 篇与 XAI 相关的论文并进行了可视化分析,发现 XAI 领域正在变得越来越多学科交叉和引用交叉,本文提出的收集方法还可用于检索具有特定影响力的 XAI 文献。
Jan, 2023
本研究探讨和分析了与人工智能课程相关的部分学生期望和观点。我们对 200 名计算机科学专业的本科生中的 58 名学生进行了匿名调查,使用主题分析对答案进行了分析和解释,以了解他们对人工智能学科的兴趣和吸引力以及其缺点。我们得出结论,学生们对人工智能感兴趣是因为其时尚性、适用性、他们对这个主题的热情和兴趣、未来增长的潜力以及高薪水。然而,学生们的期望主要是在人工智能领域获得中等知识,男性似乎比女性更有兴趣获得高级技能。学生们最不喜欢的部分是人工智能中使用的数学方面。其中一小部分学生还意识到人工智能可能被用于负面目的的潜力。我们的研究还对数据库课程进行了简短比较,学生们对于获得中等知识并不那么热情或有兴趣,他们的兴趣与数据库使用和基本信息相关。
Nov, 2023
利用 arXiv 的元数据,通过学习这些数据中科学论文的主题标签,我们可以推断出其他大型语料库中与人工智能相关的论文,这种监督式方法可以一直更新,无需依赖于主题专家进行查询开发或标注。
Feb, 2020
人工智能伦理学是一个新兴而重要的学术研究领域,本研究对过去二十年的人工智能伦理学文献进行了全面的计量分析,揭示了一个明显的三阶段发展过程,涵盖了人工智能获得类似人类特征的阶段、人本主义人工智能系统的发展阶段。此外,研究还提出了七个关键的人工智能伦理问题,并指出了关于伦理模型和人工智能识别的两个值得进一步研究的研究空白,期待进一步的学术研究。
Mar, 2024
该研究分析了《纽约时报》30 年来关于人工智能的文章,通过情感分析和话题关联度等多个方面的指标发现,除了医疗和教育等领域对于人工智能的希望较高外,对于人工智能失去控制、伦理关切和对工作的负面影响等担忧越来越多。
Sep, 2016
使用 AI 技术构建基于真实世界数据的 Science4Cast 基准测试,并提出十种不同的方法来预测人工智能研究的未来研究方向,最终目的是为了更先进的研究建议工具。
Sep, 2022
研究人工智能在新闻学和大众传播研究领域的分类方法,并提供具体的例子和实际应用,旨在为新闻学研究人员设计一种结构化框架,以便提高他们在分析特定研究课题时的能力。
Sep, 2023
通过对 8700 万篇论文和 710 万项专利采用自然语言处理技术,研究发现 AI 在科研中的使用范围广泛,特别是自 2015 年以来增长迅速,使用 AI 的论文影响因子更高,同时也存在 AI 人才供需不平衡和种族、性别等方面的不公平问题。
Apr, 2023
通过系统文献综述,本研究分析了人工智能与科学计量学,网路计量学和文献计量学的协同作用,以揭示 AI 算法在这些领域应用和效益的潜力。
Feb, 2024